时间序列NDVI数据集重建方法研究

论文摘要

时间序列NDVI数据集已经成功地应用于全球与区域环境变化、植被动态变化、土地覆盖变化和植物生物物理量参数反演等多方面的研究。时序NDVI数据集受到云和气溶胶等大气条件和传感器自身等因素的影响包含很多噪声,影响了其进一步的应用。因此深入研究时序NDVI数据的重建方法并提出更优化的算法,具有十分重要的现实意义。本文首先从基本原理和数学模型两个方面介绍了目前普遍使用的几种时序NDVI数据集的重建方法,并简要地评价了各个模型的特点。然后以SPOT/VEGETATION的NDVI数据集为例,结合土地覆盖类型图选取典型类型像元（耕地、林地、草地、沙地）和典型时期的单幅影像数据,对比评价了其中六种使用较广的重建方法（MVI、改进的BISE、FFT、S-G滤波法、HANTS、AG拟合）。接着用这六种方法对人为的噪声序列进行重建,评价各个方法的优缺点。最后采用2009年5月下旬至8月上旬获取的10天为周期的地面实测NDVI数据验证了各个方法的重建结果。选取的测量点包括耕地、草地、荒漠三种地类共包括8个样地。对比六个方法的重建结果得到：MVI方法除了连续的异常值,离散的噪声点都能很好地修正；AG拟合法重建得到的曲线比较光滑,除了对收割引起的正常低值点无法识别外能识别所有的异常低值；改进的BISE和S-G滤波法对异常低值点能较好地修正,但是无法判断异常高值点；FFT方法重建效果相对较差,它与原始数据偏差较大；HANTS算法是FFT的改进算法,可以灵活处理时间序列数据间隔不等的问题,能识别序列中大部分的异常值,但修正的结果改变了原始大部分点的值。总体而言,AG拟合和MVI两种重建方法表现出了较好的重建效果。基于以上分析,为了最大限度地去除噪声,同时最大限度地保留原数据中无噪声像元的真值,本文提出了分别基于标准差权重和噪声点性质的两种综合方法。标准差权重方法的具体步骤为先计算序列中每个点的修正概率,修正概率越大表示这个点是噪声点的几率越大,当修正概率大于设定的某个阈值时,该点就确定为噪声点,最后将确定的噪声点用五种方法的加权平均值代替。综合方法二基于噪声点的性质,通过以上各个方法的分析结果,决定具体用哪种方法来修正,其中噪声点的判断原则和方法一相同。结果表明这两种综合方法的效果都优于上述六种方法,它们既保留了原始数据中大部分的点,又最大限度地修正了噪声点,所生产的时序NDVI数据集,结合了MVI等六种重建方法的优势。综合的方法可以更好地用来开展全球与区域土地覆盖变化监测、植被动态变化监测等研究,基于噪声点性质的方法要略优于标准差权重的方法。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 选题背景及研究意义
• 1.2 国内外研究现状
• 1.2.1 影响时序NDVI数据集的诸因素
• 1.2.2 时序NDVI数据的重建方法
• 1.2.3 重建方法对比
• 1.3 研究内容和论文结构
• 1.3.1 研究内容
• 1.3.2 论文框架结构
• 第二章 时间序列NDVI数据集重建方法介绍
• 2.1 最大值合成法（MVC）
• 2.2 最佳指数斜率提取法（BISE）
• 2.3 均值迭代滤波法（MVI）
• 2.4 傅立叶变换（FT）、Hants算法
• 2.5 Savitzky-Golay滤波法
• 2.6 非对称高斯函数拟合法（AG）
• 2.7 时间窗的线性内插法（TWO）
• 2.8 双logistic函数拟合法
• 2.9 小波变换
• 第三章 时序NDVI重建与结果比较
• 3.1 重建方法阈值及参数确定
• 3.2 重建结果比较
• 3.2.1 像元水平的比较
• 3.2.2 单幅数据影像水平的比较
• 3.3 利用Jacknife方法评价重建算法
• 3.4 实测数据验证
• 3.4.1 实测数据介绍
• 3.4.2 实测数据对比分析
• 3.4.3 重建质量评价
• 第四章 综合方法的设计与验证
• 4.1 综合方法一的设计和结果分析
• 4.2 综合方法二的设计和结果分析
• 4.3 实测数据验证
• 第五章 结论与展望
• 5.1 主要结论
• 5.2 存在的问题及展望
• 参考文献
• 个人简历
• 致谢